【共绩 ComfyUI 小课堂】Class 9 ComfyUI Embedding 模型使用完整指南：解锁风格化图像生成的秘密武器

Embedding 模型是 AI 绘图中一个非常实用的工具，它能够将复杂的提示词效果压缩成一个小小的模型文件，让你轻松实现特定的艺术风格、人物特征或画面效果。这些模型通常只有几 KB 大小，但效果却非常强大，是提升图像生成质量的重要工具。

ComfyUI 作为目前最强大的 Stable Diffusion 工作流工具，在 Embedding 模型使用方面提供了灵活的控制方式。今天我们就来详细讲解如何在 ComfyUI 中使用 Embedding 模型，从基础概念到实际应用，帮你掌握这项强大的风格化技能。

1 Embedding 模型基础概念与原理

1.1 什么是 Embedding 模型

Embedding 模型可以简单理解为一个提示词的压缩包，它将原本需要复杂文本描述才能达到的效果，压缩成一个小小的模型文件。这种模型的特点是：

体积小巧：通常只有几 KB 大小，不会占用太多存储空间。

效果强大：能够实现复杂的艺术风格和特定效果。

使用简单：在文本编码器中直接调用即可使用。

兼容性好：与现有的工作流完美集成。

1.2 Embedding 模型的工作原理

Embedding 模型基于 Textual Inversion 技术，通过以下方式工作：

特征学习：从大量图像中学习特定的视觉特征和风格。

向量映射：将学习到的特征映射到文本嵌入空间。

提示词替换：在生成过程中替换对应的文本提示词。

效果应用：将学习到的风格特征应用到生成的图像中。

1.3 Embedding 模型的分类

风格类模型：用于实现特定的艺术风格，如油画、水彩、动漫等。

特征类模型：用于添加特定的人物特征，如表情、发型、服饰等。

负面模型：用于避免不想要的元素，如 EasyNegative 等。

质量提升模型：用于提升图像的整体质量和细节。、

2 准备工作与环境配置

2.1 模型准备

在使用 Embedding 模型之前，需要准备以下模型：

基础生成模型：DreamShaper v8 或其他兼容的 SD1.5 模型。

Embedding 模型：根据需求选择合适的 Embedding 模型。

推荐模型组合：

• 基础模型：DreamShaper v8

• 负面模型：EasyNegative

• 风格模型：根据具体需求选择

2.2 模型下载与安装

下载来源：

• Civitai：https://civitai.com - 最丰富的模型资源库

• LibLib：https://www.liblib.art/ - 国内用户友好的平台

• Hugging Face：https://huggingface.co - 官方模型仓库

筛选方法：在模型页面使用筛选功能，选择 “embedding” 或 “Textual Inversion” 类型。

安装位置：将下载的 Embedding 模型保存到以下目录：

ComfyUI/
├── models/
│   ├── checkpoints/
│   │   └── SD1.5/              // 存放基础模型
│   └── embeddings/
│       └── SD1.5/              // 存放 Embedding 模型

2.3 目录结构说明

SD1.5 子文件夹：由于目前有大量不同版本的模型（SD1.5、SD3.0、SDXL、FLUX 等），它们的模型资源并不通用，所以需要使用子文件夹来区分。

文件命名建议：可以重命名模型文件，添加简单的说明信息，方便后期管理。例如：

• EasyNegative.safetensors
• anime_style_v1.safetensors
• portrait_enhance.safetensors

3 Embedding 模型使用方法

3.1 基础使用方法

Embedding 模型的使用非常简单，只需要在 CLIP Text Encode 节点中调用即可：

语法格式：(embedding:模型路径:权重值)

示例用法：

(embedding:SD1.5\EasyNegative:1.2)

参数说明：

• 模型路径：相对于 embeddings 文件夹的路径

• 权重值：控制模型效果的强度，通常设置在 0.5-1.5 之间

3.2 在提示词中使用 Embedding

单独使用：可以直接在提示词中使用 Embedding 模型。

组合使用：可以与普通提示词组合使用，实现更复杂的效果。

权重调整：可以通过调整权重值来控制效果的强度。

示例组合：

beautiful woman, (embedding:SD1.5\anime_style:1.1),
long hair, smiling, outdoor, sunset

3.3 负面提示词中的使用

EasyNegative 使用：在负面提示词中使用 EasyNegative 模型，可以有效避免不想要的元素。

语法示例：

(embedding:SD1.5\EasyNegative:1.2), blurry, low quality,
distorted, bad anatomy, extra limbs

效果说明：EasyNegative 模型能够自动识别并避免常见的图像质量问题。

4 实际操作教程

4.1 准备工作流

步骤 1：加载基础模型

在 Load Checkpoint 节点中选择 DreamShaper v8 模型。

步骤 2：设置提示词

在 CLIP Text Encode 节点中设置正向和负向提示词。

步骤 3：配置采样参数

在 k-Sampler 节点中设置合适的采样参数。

4.2 使用 EasyNegative 模型

下载安装：

1. 从 Civitai 下载 EasyNegative 模型
2. 将模型文件放入 models/embeddings/SD1.5/ 目录
3. 重启 ComfyUI 让系统识别新模型

使用方法：

在负面提示词中输入：

(embedding:SD1.5\EasyNegative:1.2)

效果对比：

• 未使用：可能出现模糊、低质量、变形等问题

• 使用后：图像质量明显提升，细节更加清晰

4.3 使用风格类 Embedding

选择风格模型：根据需求选择合适的风格模型，如动漫风格、油画风格等。

设置提示词：

beautiful woman, (embedding:SD1.5\anime_style:1.1),
long hair, smiling, outdoor, sunset

调整权重：根据效果调整权重值，通常从 1.0 开始尝试。

效果优化：可以结合其他提示词来优化最终效果。

4.4 多模型组合使用

风格 + 质量：可以同时使用风格模型和质量提升模型。

示例组合：

beautiful woman, (embedding:SD1.5\anime_style:1.1),
(embedding:SD1.5\quality_boost:0.8), long hair, smiling

权重平衡：注意调整不同模型的权重，避免效果冲突。

5 实用技巧与最佳实践

basic-embedding.json

5.1 权重调整技巧

起始权重：建议从 1.0 开始，然后根据效果进行调整。

权重范围：通常控制在 0.5-1.5 之间，过高可能导致过度效果。

渐进调整：逐步调整权重，观察效果变化，找到最佳值。

效果评估：通过对比不同权重的效果，选择最满意的结果。

5.2 模型选择策略

风格匹配：选择与目标风格匹配的模型。

质量考虑：优先选择质量较高的模型。

兼容性：确保模型与当前使用的基础模型兼容。

效果测试：在使用前先进行小规模测试。

5.3 提示词优化技巧

结构清晰：按照主体、特征、环境、风格的顺序组织提示词。

权重合理：合理分配不同元素的权重。

避免冲突：避免使用相互冲突的风格描述。

效果叠加：可以叠加多个 Embedding 模型实现复杂效果。

5.4 工作流优化

模板保存：将成功的工作流保存为模板，方便重复使用。

参数记录：记录不同模型的最佳参数组合。

批量处理：对于相似任务，可以建立批量处理流程。

效果对比：建立效果对比机制，持续优化结果。

6 常见问题与解决方案

6.1 模型无法识别

问题原因：模型文件位置不正确、文件格式不支持、ComfyUI 未重启。

解决方案：

• 检查模型文件是否放在正确的目录
• 确认文件格式是否支持
• 重启 ComfyUI 让系统重新识别模型

6.2 效果不明显

问题原因：权重设置过低、模型选择不当、提示词冲突。

解决方案：

• 适当提高权重值
• 选择更合适的模型
• 检查提示词是否有冲突

6.3 效果过度

问题原因：权重设置过高、模型效果过强。

解决方案：

• 降低权重值
• 选择效果更温和的模型
• 调整其他提示词的权重

6.4 生成速度慢

问题原因：模型过多、参数设置过高。

解决方案：

• 减少同时使用的模型数量
• 优化参数设置
• 使用更轻量的模型

7 高级技巧与扩展应用

7.1 自定义 Embedding 训练

训练工具：可以使用 Textual Inversion 技术训练自定义 Embedding。

训练数据：准备高质量的训练图像，确保风格一致。

训练参数：调整训练参数以获得最佳效果。

效果验证：训练完成后进行充分的效果验证。

7.2 多模型融合

风格融合：结合多个风格模型实现独特的艺术效果。

权重平衡：通过调整权重实现不同风格的平衡。

效果叠加：叠加多个模型的效果，创造更丰富的视觉表现。

参数优化：通过参数优化获得最佳融合效果。

7.3 批量处理优化

模板建立：为不同类型的任务建立标准模板。

参数预设：为不同场景建立参数预设。

自动化流程：使用脚本实现批量处理。

质量控制：建立质量控制机制，确保批量处理的效果。

8 插件推荐与工具

8.1 ComfyUI-Custom-Scripts

功能特点：提供多种功能增强，包括 Embedding 模型管理。

主要功能：

• 自动补全 Embedding 模型名称
• 快速调整模型权重
• 模型效果预览
• 批量模型处理

安装方法：参考 ComfyUI 插件安装教程。

使用建议：特别适合需要频繁使用多个 Embedding 模型的用户。

8.2 其他实用工具

模型管理工具：帮助管理和组织大量的 Embedding 模型。

效果预览工具：提供模型效果的快速预览。

参数优化工具：帮助找到最佳的参数组合。

批量处理工具：提高批量处理的效率。

9 总结

Embedding 模型是 ComfyUI 中一个非常实用的功能，通过掌握其使用方法，你能够轻松实现各种复杂的艺术风格和特定效果。关键要点包括：

理解模型原理：掌握 Embedding 模型的工作原理和使用方法。

合理选择模型：根据需求选择合适的模型，注意兼容性和质量。

掌握权重调整：通过权重调整控制模型效果的强度。

持续实践优化：通过实践不断提高使用技巧和效果。

无论是想要实现特定的艺术风格，还是需要提升图像质量，Embedding 模型都能帮你实现。记住，好的效果需要耐心调试和细心观察，只有通过不断的实践才能掌握这项技术的精髓。

希望这份指南能帮助你快速掌握 ComfyUI Embedding 模型的使用精髓，让你的图像生成工作更加高效和专业。